当前位置：首页 > news >正文

高唐做创建网站的公司/整合营销传播的定义

news 2025/8/11 12:17:49

高唐做创建网站的公司,整合营销传播的定义,漳州做网站建设,网站建设销售怎么做Stream流式处理学习创建Stream中间操作１．筛选与切片２．映射终止操作１．查找与匹配2．归约3．收集感谢尚硅谷康师傅！！！康师傅yyds Streaf API说明 Java…

Stream流式处理学习

- - - - 创建Stream
      - 中间操作
      - １．筛选与切片
        ２．映射
      - 终止操作
      - １．查找与匹配
        2．归约
        3．收集

感谢尚硅谷康师傅！！！康师傅yyds
Streaf API说明

Java8中有两大最为重要的改变。第一个是LanIbda表达式;另外一个则是Stream API。

Stream APl ( java.util.stream)把真正的函数式编程风格引入到Java中。这是目前为止对Java类库最好的补充，因为Stream API可以极大提供Java程序员的生产力，让程序员写出高效率、干净、简洁的代码。

Stream是Java8中处理集合的关键抽象概念，它可以指定你希望对集合进行的操作，可以执行非常复杂的查找、过滤和映射数据等操作。使用Stream API对集合数据进行操作，就类似于使用SQL执行的数据库查询。也可以使用Stream API来并行执行操作。简言之，Stream API提供了一种高效且易于使用的处理数据的方式。

在这里插入图片描述

Stream是一个延迟操作，一旦执行终止操作，才执行中间操作

在这里插入图片描述

1.Stream关注的是对数据的运算，与CPU打交道集合关注的是数据的存储，与内存打交道

2.Stream 自己不会存储元素。Stream 不会改变源对象。相反，他们会返回一个持有结果的新Stream .Stream操作是延迟执行的。这意味着他们会等到需要结果的时候才执行

3.stream执行沉程
Stream的实例化
—系列的中间操作（过滤、映射、…)终止操作

4.说明:
4.1一个中间操作链·对数据源的数据进行处理
4.2一旦执行终止操作，就执行中间操作链，并产生结果。之后，不会再被使用

在这里插入图片描述

创建Stream

在这里插入图片描述

default Stream<E> stream():返回一个顺序流
default Stream<E> parallelStream():返回一个并行流

        //创建Stream方式一:通过集合List<Employee> employees = EmployeeData.getEmployees();//  default Stream<E> stream() :返回一个顺序流Stream<Employee> stream = employees.stream();//  default Stream<E> paralleLStream():返回一个并行流Stream<Employee> parallelStream = employees.parallelStream();

在这里插入图片描述

        //创建Stream 方式二：通过数组int [] arr= new int[]{1,2,3,4,5,6};调用Arrays类的static <T> stream<T> stream(T[ ] array):返回一个流//调用Arrays.streamIntStream stream1 = Arrays.stream(arr);

也可用泛型创建

在这里插入图片描述

       //3.创建Stream 方式三：通过Stream 类中的静态方法of()Stream<String> stream3=Stream.of("aa","bb","cc");

在这里插入图片描述

       //4.创建无限流//迭代Stream<Integer> stream4=Stream.iterate(0, t -> t+2);stream4.limit(10).forEach(System.out::println);//生成Stream.generate(() -> Math.random()).limit(5).forEach(System.out::println);

中间操作

多个中间操作可以连接起来形成一个流水线，除非流水线上触发终止操作，否则中间操作不会执行任何的处理！而在终止操作时一次性处理，成为“惰性求值”。

１．筛选与切片

在这里插入图片描述

//中间操作List<Employee> employees=Arrays.asList(new Employee("张三",18,9999.99),new Employee("李四",58,5555.55),new Employee("王五",26,3333.33),new Employee("赵六",36,6666.66),new Employee("田七",12,8888.88),new Employee("田七",12,8888.88));

/* 筛选与切片

filter–接收Lambda，从流中排除某些元素。
limit–截断流，使其元素不超过给定数量。
skip(n)–跳过元素，返回一个扔掉了前n个元素的流。若流中元素不足n个，则返回一个空流。与limit(n) 互补
distinct–筛选，通过流所生成元素的 hashCode() 和 equals()掉重复元素
*/

//内部迭代：迭代操作由 Stream API 完成@Testpublic void test1(){//中间操作：不会执行任何操作Stream<Employee> stream=employees.stream().filter((e) -> e.getAge()>35 );//终止操作：一次性执行全部内容，即 惰性求值stream.forEach(System.out::println);}//Limit(n)——截断流，使其元素不超过给定数量。
list.stream().limit(3).foreach(System.out::println);employees.stream().filter((e)->e.getSalary()>5000).skip(2)//跳过前两个.distinct()//去重，注意：需要Employee重写hashCode 和 equals 方法.forEach(System.out::println);

２．映射

在这里插入图片描述

//中间操作/** 映射* map--接收Lambda，将元素转换成其他形式或提取信息。接收一个函数作为参数，该函数会被应用到每个元素上，并将其映射成一个新元素。* flatMap--接收一个函数作为参数，将流中的每个值都换成另一个流，然后把所有流连接成一个流*/
List<String> list=Arrays.asList("aaa","bbb","ccc","ddd");list.stream().map((str)->str.toUpperCase()).forEach(System.out::println);System.out.println("------------------------");employees.stream().map(Employee::getName).forEach(System.out::println);flatMap没懂

3．排序

在这里插入图片描述

List<Integer> list = Arrays.aslist(12，43，65，34，87，0，-98，7);
list.stream().sorted().forEach(System.out::print1n);List<String> list=Arrays.asList("ccc","bbb","aaa");list.stream().sorted().forEach(System.out::println);employees.stream( ).sorted((e1,e2) -> {
return Integer.compare(e1.getAge() ,e2.getAge()).forEach(System.out : : println);

在这里插入图片描述

终止操作

终止操作会从流水线生成结果。其结果可以是任何不是流的值，例如：List、Integer，甚至是void。

１．查找与匹配

在这里插入图片描述

	List<Employee> employees=Arrays.asList(new Employee("张三",18,9999.99,Status.FREE),new Employee("李四",58,5555.55,Status.BUSY),new Employee("王五",26,3333.33,Status.VOCATION),new Employee("赵六",36,6666.66,Status.FREE),new Employee("田七",12,8888.88,Status.BUSY));/** 查找与匹配* */@Testpublic void test1(){boolean b1=employees.stream()//allMatch-检查是否匹配所有元素.allMatch((e)->e.getStatus().equals(Status.BUSY));System.out.println(b1);//falseboolean b2=employees.stream()//anyMatch-检查是否至少匹配一个元素.anyMatch((e)->e.getStatus().equals(Status.BUSY));System.out.println(b2);//trueboolean b3=employees.stream()//noneMatch-检查是否没有匹配所有元素.noneMatch((e)->e.getStatus().equals(Status.BUSY));System.out.println(b3);//falseOptional<Employee> op=employees.stream()//findFirst-返回第一个元素//Optional是Java8中避免空指针异常的容器类.sorted((e1,e2)->Double.compare(e1.getSalary(), e2.getSalary())).findFirst();System.out.println(op.get());//Employee [name=王五, age=26, salary=3333.33, Status=VOCATION]Optional<Employee> op2=employees.parallelStream()//findAny-返回当前流中的任意元素.filter((e)->e.getStatus().equals(Status.FREE)).findAny();System.out.println(op2.get());//Employee [name=赵六, age=36, salary=6666.66, Status=FREE]Long count=employees.stream()//count-返回流中元素的总个数.count();System.out.println(count);//5Optional<Employee> op3=employees.stream()//max-返回流中最大值.max((e1,e2)->Double.compare(e1.getSalary(), e2.getSalary()));System.out.println(op3.get());//Employee [name=张三, age=18, salary=9999.99, Status=FREE]Optional<Double> op4=employees.stream()//min-返回流中最小值.map(Employee::getSalary).min(Double::compare);System.out.println(op4.get());//3333.33}

2．归约

在这里插入图片描述

备注：map和reduce的连接通常称为map-reduce 模式，因google用它来进行网络搜索而出名。

	/** 归约* reduce(T identity,BinaryOperator b) / reduce(BinaryOperator b)-可以将流中元素反复结合起来，得到一个值。*/@Testpublic void test3(){List<Integer> list=Arrays.asList(1,2,3,4,5,6,7,8,9,10);Integer sum=list.stream()//reduce(T identity,BinaryOperator b).reduce(0, (x,y)->x+y);//0为起始值System.out.println(sum);System.out.println("--------------------------");Optional<Double> op=employees.stream()//reduce(BinaryOperator b)//没有起始值，map返回可能为空，所以返回Optional类型.map(Employee::getSalary).reduce(Double::sum);System.out.println(op.get());}

3．收集

在这里插入图片描述

Collector接口中方法的实现决定了如何对流执行收集操作（如收集到List、Set、Map）。但是Collectors实用类提供了很多静态方法，可以方便地创建常见收集器实例，具体方法与实例如下表：

在这里插入图片描述

	/** 收集* collect-将流转换为其他形式，接收一个Collector接口的实现，用于给Stream中元素做汇总的方法。*/@Testpublic void test4(){List<String> list=employees.stream().map(Employee::getName).collect(Collectors.toList());list.forEach(System.out::println);System.out.println("----------------------------");Set<String> set=employees.stream().map(Employee::getName).collect(Collectors.toSet());set.forEach(System.out::println);System.out.println("----------------------------");HashSet<String> hs=employees.stream().map(Employee::getName).collect(Collectors.toCollection(HashSet::new));hs.forEach(System.out::println);System.out.println("----------------------------");//总和Long count=employees.stream().collect(Collectors.counting());System.out.println(count);//平均值Double avg=employees.stream().collect(Collectors.averagingDouble(Employee::getSalary));System.out.println(avg);//总和Double sum=employees.stream().collect(Collectors.summingDouble(Employee::getSalary));System.out.println(sum);//最大值Optional<Employee> max=employees.stream().collect(Collectors.maxBy((e1,e2)->Double.compare(e1.getSalary(), e2.getSalary())));System.out.println(max.get());//最小值Optional<Double> min=employees.stream().map(Employee::getSalary).collect(Collectors.minBy(Double::compare));System.out.println(min.get());System.out.println("----------------------------");//分组Map<Status,List<Employee>> map=employees.stream().collect(Collectors.groupingBy(Employee::getStatus));System.out.println(map);//{FREE=[Employee [name=张三, age=18, salary=9999.99, Status=FREE], Employee [name=赵六, age=36, salary=6666.66, Status=FREE]], VOCATION=[Employee [name=王五, age=26, salary=3333.33, Status=VOCATION]], BUSY=[Employee [name=李四, age=58, salary=5555.55, Status=BUSY], Employee [name=田七, age=12, salary=8888.88, Status=BUSY]]}//多级分组Map<Status,Map<String,List<Employee>>> map2=employees.stream().collect( Collectors.groupingBy( Employee::getStatus,Collectors.groupingBy((e)->{if(e.getAge()<=35){return "青年";}else if(e.getAge()<=50){return "中年";}else{return "老年";}}) ) );System.out.println(map2);//{FREE={青年=[Employee [name=张三, age=18, salary=9999.99, Status=FREE]], 中年=[Employee [name=赵六, age=36, salary=6666.66, Status=FREE]]}, VOCATION={青年=[Employee [name=王五, age=26, salary=3333.33, Status=VOCATION]]}, BUSY={青年=[Employee [name=田七, age=12, salary=8888.88, Status=BUSY]], 老年=[Employee [name=李四, age=58, salary=5555.55, Status=BUSY]]}}//分区Map<Boolean,List<Employee>> map3=employees.stream().collect(Collectors.partitioningBy((e)->e.getSalary()>8000));System.out.println(map3);//{false=[Employee [name=李四, age=58, salary=5555.55, Status=BUSY], Employee [name=王五, age=26, salary=3333.33, Status=VOCATION], Employee [name=赵六, age=36, salary=6666.66, Status=FREE]], true=[Employee [name=张三, age=18, salary=9999.99, Status=FREE], Employee [name=田七, age=12, salary=8888.88, Status=BUSY]]}System.out.println("--------------------------------");DoubleSummaryStatistics dss=employees.stream().collect(Collectors.summarizingDouble(Employee::getSalary));System.out.println(dss.getSum());System.out.println(dss.getAverage());System.out.println(dss.getMax());System.out.println("--------------------------------");String strr=employees.stream().map(Employee::getName).collect(Collectors.joining(","));System.out.println(strr);//张三李四王五赵六田七}

rs.summarizingDouble(Employee::getSalary));
System.out.println(dss.getSum());
System.out.println(dss.getAverage());
System.out.println(dss.getMax());

	System.out.println("--------------------------------");String strr=employees.stream().map(Employee::getName).collect(Collectors.joining(","));System.out.println(strr);//张三李四王五赵六田七}

查看全文

http://www.lbrq.cn/news/1344457.html